基于QoS动态规则库的服务选择方法

作者:吕晨飞 刊名:宁夏工程技术 上传者:李贵章

【摘要】传统基于XML的Qo S描述方法缺乏语义,给服务的优选带来了困难,本体的出现使得Qo S信息有了新的具有语义的描述方式,但是目前的Qo S本体模型的服务优选方法大多建立在本体匹配等算法上.在总结目前出现的典型的Qo S本体模型以及相关的服务优选方法基础上,提出一种基于动态生成的规则库的推理方法实现服务的优化选择.

全文阅读

Web服务是互联网时代出现的一种新兴技术,它使用XML语言描述,其跨平台运行以及良好的互操作性等优势使其成为广泛使用的互联网服务标准,但是随着网络技术的发展,Web服务的数目呈现爆炸式增长,使得用户的同一功能性需求往往有大量服务可以满足,但是这些服务的质量却参差不齐.因此便引入了QoS的信息来帮助用户从一组满足用户功能性需求的服务中选择最佳最好的服务,但是服务匹配选取的效率依然是主要的研究课题.传统的QoS指标描述结构简单,但是不具备语义,使得这样的描述方式并不全面.随着本体的出现,越来越多的人开始把本体应用与WebService的信息描述上以实现服务的匹配以及优化选择,本体的应用让服务的描述具有了语义,使其成为用户以及系统良好交流的语言.本文主要围绕本体以及本体在WebService的非功能性属性描述及其应用方面进行文献调研,总结目前主流的本体模型以及匹配方法,从而提出一种基于规则库推理实现服务优化选择的方法.目前广泛被学者们所认可的典型QoS本体主要有ChenZhou,Liang-TienChia和Bu-SungLee在2004年提出的DAML-QoSOntology[1]本体;DobsonG在2005年提出的QoSOnt本体[2]以及2008年VuongXuanTran等人设计的本体WS-QoSOnt[3].考虑QoS信息的服务匹配主要拓展了传统的UDDI模式[46].将QoS信息的匹配放在功能性匹配环节之后,实现服务质量的筛选.具体的优选方法主要建立在多属性决策问题上,例如层次分析法以及模糊综合评价法等.这些方法缺乏语义,对于指标之间关系以及指标的可量化性等特性要求苛刻,否则会影响匹配效果.而基于QoS本体的服务匹配方法主要应用本体匹配技术,但是随着本体描述信息的细化,本体异构的问题会越来越严重.同时随着本体复杂度的提升,匹配的效率也会降低.考虑到上述问题以及本体在智能推理方面的良好应用,本文提出一个基于规则库推理的服务优化选择方法以解决QoS描述本体过于复杂以及本体之间的异构问题.1服务QoS描述本体的建立用于推理的QoS描述本体应当在明确描述必要的QoS信息的基础上尽可能简洁以提高解析的效率.将QoS指标之间的相互作用关系等推理过程需要的中间内容转换为规则储存在相应的规则库中.在该QoS描述本体中,最上层本体只有一个类级,即QoSService类.所有服务提供者的QoS信息都是该类的子类,并且遵循特定的结构.在这个QoS本体中,中层本体主要由4个部分组成(图1).服务通用QoS指标(GeneralMetrics):服务通用QoS指标是所有通用指标类的父类,它的所有子类都与所描述服务的用途、领域等因素无关,即任何Web服务都必须拥有的信息.一般通用指标有服务响应时间、每秒的吞吐量、调用价格等.任何服务供应商在注册服务时都必须按照规定明确描述这图1服务上层及中本体些指标.服务领域相关指标(DomainMetrics):与通用指标相反,领域相关指标是一个特定用途、特定应用领域的服务所特有的.不同类型的服务的领域相关指标往往是不同的.这些指标在服务注册时是可选的,但是在注册时领域相关指标类中必须描述该服务的应用领域.服务的先决条件(Preconditions):任何服务都不可能无条件地为用户提供高等级的服务质量.服务质量具有不确定性,取决于服务被调用时其所处的运行环境以及服务调用者的状态,如服务的响应速度、延迟时间、网络稳定程度、带宽,甚至与服务请求者的地理位置都有很大的关系.服务评价分数(FinalScore):是QoS指标类的子类,默认值

参考文献

引证文献

问答

我要提问